IEEE Transactions on Geoscience and Remote Sensing· 2016Q1
Spektral–Uzamsal Özellik Çıkarımı için Hiperspektral Görüntü Sınıflandırması: Boyut Azaltma ve Derin Öğrenme Yaklaşımı
Spectral–Spatial Feature Extraction for Hyperspectral Image Classification: A Dimension Reduction and Deep Learning Approach
- 1.193atıf
- Q1SCImago
- 2016yıl
Kısa özet
Spektral ve uzamsal özellik çıkarımı için sırasıyla boyut azaltma ve derin öğrenme tekniklerini birleştiren yeni bir spektral–uzamsal özellik tabanlı sınıflandırma (SSFC) çerçevesi, hiperspektral veri kümelerinde mevcut yöntemlerden daha iyi performans göstermiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Hiperspektral görüntüler için bir Spektral–Uzamsal Özellik Sınıflandırma (SSFC) çerçevesi önerilmektedir.
- Spektral özellik çıkarımı için dengeli yerel ayırt edici gömme algoritması kullanılmaktadır.
- Otomatik uzamsal özellik çıkarımı için evrişimli sinir ağları (CNN'ler) kullanılmaktadır.
- Gelişmiş sınıflandırma için spektral ve uzamsal özellikler birleştirilmektedir.
- Hiperspektral veri kümelerinde mevcut yöntemlere göre üstün performans sergilenmektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
In this paper, we propose a spectral–spatial feature based classification (SSFC) framework that jointly uses dimension reduction and deep learning techniques for spectral and spatial feature extraction, respectively. In this framework, a balanced local discriminant embedding algorithm is proposed for spectral feature extraction from high-dimensional hyperspectral data sets. In the meantime, convolutional neural network is utilized to automatically find spatial-related features at high levels. Then, the fusion feature is extracted by stacking spectral and spatial features together. Finally, the multiple-feature-based classifier is trained for image classification. Experimental results on well-known hyperspectral data sets show that the proposed SSFC method outperforms other commonly used methods for hyperspectral image classification.
Yazarların özeti; kaynağından alınmıştır. IEEE Transactions on Geoscience and Remote Sensing, 2016 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Medya Teknolojisi
Media TechnologyEngineering